【技术实现步骤摘要】
本专利技术涉及砂岩型铀矿测井数据岩性解释，具体的，涉及一种基于主成分自组织神经网络法的测井曲线自动化分层方法。
技术介绍
1、在砂岩型铀矿找矿工作中，测井曲线岩性分层是一项重要的工作，但测井曲线受到的干扰因素多，如地层水矿化度、扩径等，常会出现测井曲线失真或测井曲线分层标志不明显的情况。如何提高测井岩性分层精度和效率，是国内外学者重点关注的问题。针对测井曲线岩性分层问题，传统的方法是采用概率统计法或交会图技术，但是传统测井岩性分层对于过度性岩性识别效果较差，岩性划分需要较强的人工经验且效率低下。随着计算机技术的发展，人工智能技术在测井岩性识别中的应用逐渐兴起，但也存在一定问题，如面对多参数测井曲线，岩性识别精度较差，对于薄层和特殊岩性如含钙质岩性无法识别。本专利技术将主成分分析和自组织神经网络算法融合并应用于砂岩型铀矿岩性的自动化识别，取得较好效果。
技术实现思路
1、为了解决上述传统测井岩性分层对于过度性岩性识别效果较差，岩性划分需要较强的人工经验且效率低下的技术问题，本专利技术提供一种基于主成分自组织神经网络法的测井曲线自动化分层方法，达到了降低样本维度，提高运行效率和岩性解释精度的目的。
2、本专利技术提供了一种基于主成分自组织神经网络法的测井曲线自动化分层方法，包括以下步骤：
3、步骤一、对原始测井曲线进行预处理；
4、步骤二、采用主成分分析法对预处理后的测井曲线进行降维处理；
5、步骤三、将降维后的主成分得分作为自组织神经网
6、在本专利技术提供的基于主成分自组织神经网络法的测井曲线自动化分层方法的一种较佳实施例中，所述步骤一中，所述测井曲线预处理包括以下步骤：
7、步骤1.1、对原始测井曲线进行深度矫正，深度对齐；
8、步骤1.2、对原始测井曲线进行非点矫正，对非点数据进行删除和差值处理；
9、步骤1.3、采用21点均值滤波的方法对原始测井数据进行滤波处理。
10、在本专利技术提供的基于主成分自组织神经网络法的测井曲线自动化分层方法的一种较佳实施例中，所述步骤二中，所述主成分分析法包括以下步骤：
11、步骤2.1、采用归一化的方法消除量纲的影响，公式如下：
12、
13、式中：xij为测井数据归一化后结果；为第j种测井曲线样本均值；
14、步骤2.2、计算归一化样本协方差矩阵，即相关性系数矩阵，公式如下：
15、
16、式中：sij为第j种评价指标中第i个样本协方差值；
17、步骤2.3、采用雅克比行列式法计算协方差矩阵的特征值λi(i＝1,2,…,p)，并按照从小到大的顺序对特征值进行排序(λ1≥λ2≥…λp>0)，计算特征值的方差贡献率g(λi)，公式如下：
18、
19、步骤2.4、计算累计方差贡献率g(m)，当满足g(m)>85％的条件时确定主成分的个数为m，公式如下；
20、
21、步骤2.5、计算主成分得分系数：
22、
23、其中：lij为第i个主成分的第j种测井曲线的得分系数；
24、步骤2.6、计算各主成分得分值，公式如下：
25、fi＝l1ix1+l2ix2+…+lpixp(i＝1，2...，m)；
26、式中：fi为各主成分得分；xp为样本矩阵xij中的第p种测井曲线。
27、在本专利技术提供的基于主成分自组织神经网络法的测井曲线自动化分层方法的一种较佳实施例中，所述步骤三中，所述自组织神经网络测井岩性自动化分层包括以下步骤：
28、步骤3.1、对各主成分得分进一步进行归一化，公式如下：
29、
30、式中：m为主成分个数；fij为各主成分得分值；为归一化后的各主成分得分值；为第j主成分的样本得分均值；n为样本数量；
31、步骤3.2、初始化网络，随机设定网络权值(wj)，并将归一化后的主成分得分作为输入向量
32、步骤3.3、计算输入向量(f)与权值向量(wj)的欧氏距离，公式如下：
33、
34、步骤3.4、权值的学习与更正，公式如下：
35、
36、
37、步骤3.5、计算欧氏距离的最小值，公式如下：
38、ok＝f(min||f-wj||)
39、式中，f(*)为(0～1)的函数；
40、步骤3.6、满足精度要求，则输出训练结果，反之，则返回步骤2。
41、步骤3.7、用训练好的网络模型进行岩性自动划分，最后输出岩性分层结果。
42、相较于现有技术，本专利技术提供的基于主成分自组织神经网络法的测井曲线自动化分层方法具有以下有益效果：本专利技术将主成分分析法与自组织神经网络方法相结合，将主成分得分值作为样本用于训练自组织神经网络模型，将训练好的模型用于砂岩型铀矿岩性自动化分层。本专利技术不仅岩性划分精度上更高，对薄层识别上也具有一定较好的应用效果。主成分自组织神经网络法可有效减少样本无效信息，达到精简自组织网络结构，提高砂岩型铀矿岩性分层精度的目的。
本文档来自技高网...【技术保护点】
1.一种基于主成分自组织神经网络法的测井曲线自动化分层方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于主成分自组织神经网络法的测井曲线自动化分层方法，其特征在于，所述步骤一中，所述测井曲线预处理包括以下步骤：
3.根据权利要求1所述的基于主成分自组织神经网络法的测井曲线自动化分层方法，其特征在于，所述步骤二中，所述主成分分析法包括以下步骤：
4.根据权利要求1所述的基于主成分自组织神经网络法的测井曲线自动化分层方法，其特征在于，所述步骤三中，所述自组织神经网络测井岩性自动化分层包括以下步骤：
【技术特征摘要】
1.一种基于主成分自组织神经网络法的测井曲线自动化分层方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于主成分自组织神经网络法的测井曲线自动化分层方法，其特征在于，所述步骤一中，所述测井曲线预处理包括以下步骤：
3.根据权利要求1所述的基...
【专利技术属性】
技术研发人员：李盛富，张强，王毛毛，李家金，
申请(专利权)人：核工业二一六大队，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。